基于微结构图的点云配准：平衡效率与精度
计算机视觉与模式识别
2024-10-30 v1
摘要
点云配准（PCR）是摄影测量与遥感中的一个基本且重要的问题，旨在寻找点集之间的最优刚性变换。实现高效且精确的PCR构成了相当大的挑战。我们提出了一种新颖的基于微结构图的全局点云配准方法。整个方法由两个阶段组成。1）粗配准（CR）：我们开发了一个包含微结构的图，采用一种高效的基于图的层次化策略来移除离群点，以获得最大一致集。我们提出了一种鲁棒的GNC-Welsch估计器，该估计器源自Lie代数空间中离群点过程的鲁棒估计器，用于优化，实现了快速且鲁棒的对齐。2）精配准（FR）：为了进一步细化局部对齐，我们使用八叉树方法在微结构中自适应地搜索平面特征。通过最小化点到平面的距离，我们可以获得更精确的局部对齐，并且通过将该过程视为结合Anderson加速优化的平面平差算法（PA-AA），该过程也将得到有效处理。在真实数据上进行大量实验后，与最先进的方法相比，我们提出的方法在3DMatch和ETH数据集上表现良好，实现了更高的精度指标，并将时间成本降低了至少三分之一。
引用
@article{arxiv.2410.21857,
title = {Micro-Structures Graph-Based Point Cloud Registration for Balancing Efficiency and Accuracy},
author = {Rongling Zhang and Li Yan and Pengcheng Wei and Hong Xie and Pinzhuo Wang and Binbing Wang},
journal= {arXiv preprint arXiv:2410.21857},
year = {2024}
}